React Awesome Query Builder 6.6.15版本发布:安全增强与日期功能优化
React Awesome Query Builder是一个功能强大的React查询构建器组件,它允许开发者通过直观的UI界面构建复杂的查询条件。该组件支持多种UI框架(如Ant Design、Material-UI等),并能将查询条件转换为多种格式(如SQL、MongoDB查询、JsonLogic等)。
安全增强
本次6.6.15版本包含了多项重要的安全改进:
-
原型污染防护:修复了
OtherUtils.mergeIn和OtherUtils.setIn方法中潜在的原型污染问题,这些方法现在会严格检查输入对象,防止不当修改原型链。 -
XSS问题修复:针对Ant Design包中的跨站脚本(XSS)问题进行了修复,增强了组件在渲染用户输入时的安全性。
-
配置解压安全:改进了
Utils.ConfigUtils.decompressConfig方法,防止在解压配置数据时可能发生的原型污染问题。
这些安全改进使得组件在处理用户输入和配置数据时更加可靠,特别是在需要从外部来源加载查询配置的场景下。
日期/时间功能优化
日期和时间处理是查询构建中的常见需求,本次版本对相关功能进行了全面增强:
-
新增日期函数:
TODAY:获取当前日期START_OF_TODAY:获取当天开始时间RELATIVE_DATE:计算相对日期TRUNCATE_DATETIME:截断日期时间到指定精度
-
MongoDB日期处理修复:
- 修正了
NOW和RELATIVE_DATETIME函数在转换为MongoDB查询时的格式问题 - 修复了顶级
$not操作符在MongoDB输出中的使用问题
- 修正了
-
JsonLogic日期比较:
- 引入了新的比较操作符
date==、date!=、datetime==和datetime!=,专门用于日期类型的精确比较 - 新增
fixJsonLogicDateCompareOp配置选项(默认关闭),用于控制是否修复JsonLogic中的日期比较操作
- 引入了新的比较操作符
开发者现在可以通过Utils.JsonLogicUtils.addRequiredJsonLogicOperations(jl)方法为json-logic-js实例添加这些自定义操作符,确保日期比较在各种场景下都能正确工作。
其他改进
-
Ant Design 4.x兼容:现在完全支持Ant Design 4.x版本的DatePicker组件,为使用较新Ant Design版本的开发者提供了更好的兼容性。
-
组操作符修复:修复了组操作符的自定义jsonLogic函数未被调用的问题,确保复杂的组条件能够正确转换。
-
依赖更新:
- 将
@babel/runtime设为所有包的依赖项 - 更新了vite等构建工具版本
- 优化了整体项目依赖结构
- 将
升级建议
对于正在使用React Awesome Query Builder的项目,特别是那些涉及以下场景的,建议尽快升级到6.6.15版本:
- 需要处理用户输入或从外部加载查询配置的应用
- 大量使用日期/时间查询功能的应用
- 使用Ant Design 4.x作为UI框架的项目
- 需要将查询转换为MongoDB格式的后端应用
升级时需要注意检查自定义的操作符和日期处理逻辑,特别是如果项目中已经实现了自己的日期比较解决方案,可能需要根据新的日期比较操作符进行调整。
这个版本的发布显著提升了组件的安全性和日期处理能力,使得构建复杂查询更加可靠和灵活。对于需要精确日期操作或高安全性要求的应用场景,6.6.15版本提供了坚实的基础。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00